Tech Daily Brief

NVIDIA가 미국 현지시간 8월 26일 장 마감 후 실적을 발표합니다. 한국에서는 27일 새벽~아침에 결과를 확인하게 됩니다. LSEG 컨센서스는 2분기 매출 약 $92.18B, 전년 동기 대비 거의 두 배이며, 3분기 매출 전망은 약 **$104.20B(+82.8% YoY)**입니다.

그런데 이번 실적의 핵심은 숫자 자체보다 Vera Rubin 전환 속도입니다. Rubin은 올가을 출하가 시작될 예정이고, Morgan Stanley는 10월 종료 분기에 Rubin이 약 $9B의 매출을 만들 가능성을 추정하고 있습니다. 동시에 NVIDIA는 최근 고객들의 AI 인프라 구축을 위해 6개 금융기관과 $500B 규모 금융 프로그램을 마련하고, OpenAI 오하이오 데이터센터에는 최대 $105B 보증까지 제공했습니다.

즉 현재 구조는 단순히

고객 → NVIDIA에 GPU 주문

이 아니라,

NVIDIA·은행 → 고객에게 자금/보증 → 데이터센터 건설 → NVIDIA 시스템 구매

까지 확장되고 있습니다.

이 때문에 시장은 AI 수요가 정말 end-user demand에서 발생하는지, 아니면 공급자가 금융까지 제공하며 CAPEX를 앞당기고 있는지를 보기 시작했습니다.

---

8월 25일 Nature Communications에 Homo-metal-element mediated surface modification of sapphire for robust epitaxy of wafer-scale single-crystalline 2D semiconductors가 공개됐습니다.

연구진은 상용 sapphire의 표면을 조절해 2-inch 규모의 monolayer WS₂ 또는 MoS₂ 단결정 wafer를 CVD로 성장시켰습니다.

2D semiconductor의 매력은 channel을 원자층 수준까지 얇게 만들어도 bulk silicon처럼 심각한 surface dangling-bond 문제가 발생하지 않는다는 것입니다. 따라서 gate length scaling이 극단적으로 진행될 때 short-channel effect 제어 후보로 계속 연구되고 있습니다.

하지만 실용화의 큰 문제가

작은 flake에서는 잘 되는데 wafer 전체를 동일한 결정 방향의 single crystal로 만들기 어렵다

는 점입니다.

이번 연구는 sapphire 표면에 W/Mo와 Al을 이용한 low-symmetry modification layer를 형성해 nucleation 방향을 제어했습니다. 외부 불순원소를 새로 도입하지 않는 방식이라는 것도 특징입니다.

제작된 WS₂ FET array에서는

• on/off ratio > 10^8
• field-effect mobility 약 48.2 cm²/V·s

가 보고됐습니다.

현재 Si CMOS를 당장 대체할 수 있다는 뜻은 아닙니다. contact resistance, variability, dielectric interface, CMOS 공정 통합 같은 난제가 여전히 큽니다. 그래도 “좋은 2D transistor 한 개” → “wafer-scale manufacturing” 사이의 간극을 줄이는 연구라는 점에서 의미가 있습니다.

electrostatics → crystal growth → contact → transistor array → process integration

의 연결로 보는 게 좋습니다.

---

OpenAI가 8월 25일 ChatGPT Business에 새 자동화 기능을 추가했습니다. 기존처럼 “매일 오전 8시”에 실행하는 scheduled task뿐 아니라 connected app에서 이벤트가 발생하면 작업을 실행하는 webhook-triggered task를 지원합니다.

현재 공식적으로 제시된 trigger는:

• 새 Gmail 메시지
• Slack channel 메시지
• GitHub pull request activity

입니다.

예를 들어 흐름이

PR 변경 발생
→ ChatGPT task 실행
→ diff 검토
→ 변경점·위험요소 정리

처럼 됩니다.

이건 agent architecture에서 상당히 중요한 변화입니다. 기존 자동화는

$$\text{time} \rightarrow \text{agent}$$

였다면 이제

$$\text{external event} \rightarrow \text{agent} \rightarrow \text{tool/action}$$

형태가 됩니다.

또 팀 내에서 task 자체를 공유할 수 있지만 각 사용자는 자신의 앱 연결과 권한으로 별도 복사본을 생성하게 됩니다. 즉 공유된 automation이 다른 구성원의 Gmail/GitHub 권한을 그대로 얻는 구조는 아닙니다.

---

8월 25일 Communications Materials에 Large-language-model-driven adaptive search space definition for autonomous closed-loop materials exploration이 공개됐습니다.

기존 self-driving laboratory는 이미

실험 → 측정 → Bayesian optimization → 다음 실험

을 자동화할 수 있습니다.

하지만 숨은 문제가 하나 있습니다. 어떤 후보군을 탐색할지(search space)를 사람이 미리 정해야 한다는 것입니다.

예를 들어 장비에 금속 원소 source를 세 개만 장착할 수 있다면 Bayesian optimization은

$$Fe_xCo_yNi_z$$

안에서는 최적점을 잘 찾을 수 있지만,

“다음에는 Fe-Co-Ni가 아니라 다른 세 원소를 넣어볼까?”

라는 판단은 사람이 해야 합니다.

이번 연구는 여기에 outer loop를 하나 더 붙였습니다.

LLM → 다음 3개 원소 조합 결정
↓
Bayesian optimization → 그 조합 내부에서 최적 조성 탐색
↓
결과를 다시 LLM에 전달
↓
다음 search space 결정

이라는 hierarchical loop입니다.

실험에서는 GPT-5.2 Instant가 측정값과 alloy composition CSV를 받아 다음 탐색 공간과 선택 이유를 제안했습니다. 특히 모델이 기존 지식을 많이 갖고 있을 것으로 보이는 magnetic moment와 Curie temperature 목표에서는 탐색 효율 향상이 뚜렷했습니다.

다만 논문도 중요한 한계를 인정합니다. 사용한 DFT 데이터가 공개 데이터이기 때문에 모델이 학습 과정에서 동일하거나 유사한 데이터를 이미 봤는지 확인할 수 없습니다. 또한 목표값·후보 원소·prompt 등은 여전히 연구자가 정의했습니다.

hypothesis → experiment design → simulation → result → next hypothesis

의 loop에 들어가는 데 있다는 사례입니다.

---

Bitcoin이 8월 25일 $80,000을 돌파해 3개월여 만의 최고치를 찍었습니다. 장중 최고치는 약 $81,238, 8월 들어 상승률은 약 **28%**로 2024년 11월 이후 가장 강한 월간 상승을 향하고 있습니다.

촉매는 여전히 미국 채권시장입니다. 미 재무부가 장기국채 buyback을 확대하면서 장기금리 상승을 억제하려 하자 압력이 채권에서 달러로 이동했고, 약달러와 통화가치 희석 우려가 Bitcoin과 금 수요를 동시에 자극했습니다.

미국 증시도 25일 반등했습니다.

• Dow +0.30%
• S&P 500 +0.32%
• Nasdaq +0.66%
• SOX +1.4%
• NVIDIA +2.2%
• Micron +2.5%
• AMD +4.9%

였습니다.

하지만 지금은 단순 risk-on으로 보면 안 됩니다. 시장에는 바로 이어지는 두 개의 대형 변수가 있습니다.

8월 26일: 미국 PCE 물가
8월 26일 장 마감 후: NVIDIA 실적

그리고 금요일에는 Fed 의장의 Jackson Hole 연설이 있습니다.

---